Pour la première fois, l’IA décroche un score parfait aux Olympiades de mathématiques et égale l’élite humaine

Les Olympiades internationales de mathématiques (OIM) sont une compétition annuelle créée en 1959 et reconnue comme la plus difficile au monde pour les élèves du secondaire. Chaque année, plus de 100 pays y participent, avec des représentants de moins de 20 ans. Les participants disposent de deux jours pour résoudre six problèmes couvrant l’algèbre avancée, la géométrie, la théorie des nombres et la combinatoire. Chaque problème vaut sept points, mais contrairement à un examen classique, la résolution exige des démonstrations détaillées et rigoureuses. Une simple erreur de raisonnement ou une hypothèse non vérifiée entraîne une perte de points. Lors de l’édition 2026 à Shanghai, 666 participants issus de 120 pays se sont affrontés. Pour obtenir une médaille d’or, il fallait atteindre au moins 29 points sur 42. Seuls sept participants ont obtenu un score parfait de 42 points, tandis que 55 ont remporté une médaille d’or.

Pour la première fois en 2026, deux modèles d’intelligence artificielle (IA) ont obtenu un score parfait de 42 points aux OIM, égalant ainsi l’élite humaine. Ces modèles, Celia développé par Huawei et dots-note-3.0 par Xiaohongshu (ou RedNote), ont répondu correctement à 100 % des questions posées. Auparavant, les IA ne pouvaient obtenir que la médaille d’or, avec un maximum de 35 points pour Gemini Deep Think de Google DeepMind en 2025. Les deux modèles ont traité les problèmes dans des conditions strictes et isolées, supervisées par les organisateurs. Leur performance marque une étape majeure dans les capacités de raisonnement des IA, notamment grâce à une architecture multi-agents pour dots-note-3.0, permettant des débats internes et une vérification rigoureuse des preuves sans hallucinations (réponses inventées ou incohérentes).

Les modèles Celia et dots-note-3.0 utilisent des approches distinctes pour résoudre des problèmes mathématiques complexes. Celia repose sur des protocoles traditionnels, tandis que dots-note-3.0 exploite une architecture multi-agents, où plusieurs agents d’IA interagissent pour débattre, affiner leur logique et rassembler des preuves. Cette méthode réduit les erreurs et évite les réponses non fondées, contrairement aux anciens modèles qui fonctionnaient par essais et erreurs. Les deux systèmes ont traité les problèmes des OIM après le début de la compétition pour les humains et ont généré des démonstrations mathématiques exemptes d’erreurs. De plus, ils nécessitent moins de ressources informatiques que les modèles précédents, ce qui pourrait faciliter leur déploiement à grande échelle.